软件容器先锋Docker公司将其企业业务出售给Mirantis,此举是该公司重组工作的一部分,在这次重组中,该公司还任命了原来的产品负责人Scott Johnston接任首席执行官一职。
该公司于今天早上宣布了这一消息。Docker已经从Benchmark Capital和Insight Partners筹集了3500万美元的新资金,以支持新的业务方向,将完全针对开发人员提供工具。
Docker最流行的开发工具是其公司同名的容器引擎,它是当今大多数容器化应用程序项目的基础。该初创公司还提供补充产品,帮助开发的其他方面实现自动化。
Docker的企业业务销售的是一套被称为Docker Enterprise的商业产品。该软件包将公司的开发工具与功能相结合,可以帮助公司管理、保护和监控其工程师构建的容器化应用程序。在财富100强的企业中,大约有三分之一的企业在使用该产品;而在全球500强的企业中,大约有五分之一的企业也在使用该产品。
Docker即将离任的首席执行官Rob Bearden在一份声明中表示:“我们确定Docker有两块截然不同的业务:一块是活跃的开发人员业务,另一块是成长之中的企业业务……这导致我们做出对公司进行重组并将两块业务分离的决定。对于客户来说,这是件好事,并且让业界领先的Docker技术能够健康发展。”
Bearden在首席执行官的职位上只呆了六个月,就将控制权转交给了Johnston。该公司未来的路径图将集中在Docker Desktop和Docker Hub上,前者是该公司的一款本地编码工具,用于构建容器化应用程序,后者是提供现成应用程序组件的市场。
Mirantis将接管整个Docker Enterprise套件以及相关的客户合同。根据双方的协议,该业务的300名左右员工也将加入Mirantis公司。
该公司将把Docker Enterprise与其自有的Mirantis Cloud Platform集成在一起,该平台可帮助企业部署和运行Kubernetes本地硬件。该公司还计划在未来推出一种托管版本。
Mirantis和新重组的Docker表示,他们将合作维护双方解决方案之间的集成。这就意味着,Docker的Johnston(如图)去年在SiliconANGLE的移动直播工作室theCUBE上提出的容器开发愿景仍有未来。他当时表示,他的团队的目标是提供一个“从开发人员体验到运营端的连续性平台。”
Johnston表示:“这是要提供一致的用户体验和一致的工件集,供构建软件的所有不同角色使用,以便他们能够成功地在整个应用程序开发生命周期中移动这些Docker应用程序。”
SiliconANGLE Media直播工作室theCUBE的主持人Stu Miniman表示:“Docker帮助使容器民主化,这些容器是新一代应用程序开发的促成因素,并且对云原生环境至关重要…… Docker曾经是科技界最热门的话题,尽管该公司的营业收入不高,但仍获得了独角兽的地位。”
但是Miniman表示,Docker在尝试围绕容器管理构建生态系统时犯了“严重失误”。他表示:“不仅仅是Docker Swarm在编排工具大战中输给了Kubernetes,而且尽管这些容器得到了大量采用,但是其货币化的途径仍然有问题。”
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。